如何在非分组数据框中使用ggplot2:::compute_density计算核密度估计？

嘿，我明白你的困惑了！分组场景下group_modify能正常工作，是因为它会把每个分组的处理结果自动合并成一个数据框；但非分组时用mutate不行，本质是mutate要求新增的列和原数据框行数一致，而compute_density返回的是多行多列的密度计算结果，完全不符合mutate的要求。

下面给你两个直接可行的方案：

方案1：直接调用函数（最简单） #

既然compute_density本身接受向量作为输入，并且直接返回数据框，那非分组场景下完全不需要借助dplyr的动词，直接调用就行：

ggplot2:::compute_density(mtcars$am, NULL)

运行后你会得到和分组时单个分组一样的结果结构，包含x、density、scaled这些列。

方案2：用reframe替代mutate（适配dplyr管道） #

如果你习惯用dplyr的管道风格，可以用reframe函数——它和mutate的核心区别是：允许返回任意行数的结果，完美匹配compute_density的输出：

mtcars %>% 
  reframe(ggplot2:::compute_density(am, NULL))

这样就能在管道里完成操作，输出的结果和直接调用函数完全一致。

额外提醒：关于内部函数的风险 #

注意ggplot2:::compute_density是ggplot2的内部函数（三个冒号的调用方式），它不属于ggplot2对外公开的API，意味着未来版本的ggplot2可能会修改甚至移除这个函数，导致你的代码失效。如果追求稳定性，建议用R基础包的stats::density自己整理结果，比如：

mtcars %>% 
  reframe(
    x = density(am)$x,
    density = density(am)$y,
    scaled = density(am)$y / max(density(am)$y)
  )

这个结果和compute_density的输出结构几乎一致，但用的是公开稳定的函数，不用担心版本兼容问题。

内容的提问来源于stack exchange，提问作者TheGoat